基于均匀设计的遗传算法参数设定

在应用遗传算法进行优化计算时,各操作参数既有各自的功能又相互作用,彼此关系较为复杂,而各参数设定的好坏直接影响算法的性能,所以,各参数的设定是应用遗传算法进行寻优计算的重要问题·通过对遗传算法各操作参数作用与意义的分析,认为可以将遗传算法的参数设定描述为一个多因素多水平优化设计问题·为使遗传算法在应用中发挥最佳的寻优性能,同时考虑到参数设定方法的可行性,提出应用解决多因素多水平优化设计问题的均匀设计方法设定遗传算法的操作参数,实例应用仿真结果验证了这种方法的可行性、有效性·

改进遗传算法用于自由曲线重建研究

提出一种基于改进遗传算法的自由曲线重建方法,该改进遗传算法基于实数编码,采用基于代沟最小的代选择模型,选用BLX-α混合交叉算子,算法简单、优化效率高;其中用非均匀有理B样条表示自由曲线,以重建曲线上点与测得数据点间的欧式距离的平均值作为目标函数,曲线参数化、节点向量及控制顶点的权值通过改进遗传算法优化确定,再根据已确定的数据参数和控制顶点权值用最小二乘法计算控制顶点坐标,完成自由曲线重建。实例证明,该算法不仅计算速度快,重建曲线精度高,而且算法鲁棒性强,可以方便地实现不同次数和不同控制顶点个数的自由曲线重建。

基于三进制表示的新模式定理

一般的模式定理通常使用二进制表示且只讨论了模式存活的概率而没有考虑模式新建的概率,因此它们不能准确地描述模式的变化情况.本文提出了一种新的模式表示法:三进制表示法.利用这种新的表示法,很容易区分模式的存活和新建,并分别估计了在均匀杂交算子作用下模式的存活概率和新建概率.最后对均匀杂交算子给出了在模式的存活和模式的新建共同作用下的模式定理,这一结果深入和推广了目前模式定理的结果.

用遗传算法训练基于神经网络结构的控制器

介绍现在正被逐渐广泛应用的新型的、随机性的全局优化方法──遗传算法，阐明它的基本方 法、基本理论、特点，并将其与神经网络相结合，用于控制有纯滞后的对象，根据问题选择合适的具体 实现形式，获得良好效果．

基于KPCA及改进蚁群遗传算法的齿轮箱故障诊断

鉴于齿轮箱系统的复杂性和齿轮箱故障信号的多样性,提出一种基于KPCA和改进蚁群遗传算法(LACG)相结合的齿轮箱故障诊断新方法。通过KPCA去掉原始故障参数集中的冗余信息,再利用IACG算法找出降维后参数的最优解。IACG算法改进了传统蚁群算法中的概率转移公式,通过增加区域目标函数值,提高了转移运算的效率和准确率;LACG算法增加了局部搜索功能,计算得到的蚂蚁解与遗传算法的均匀两点交叉算子相结合,减少了算法的搜索时间,扩大了搜索空间,使得收敛效果更趋近最优解。实验结果表明,KPCA与IACG相结合的算法可以有效识别齿轮箱故障,相对于传统的蚁群算法,其运算效率和准确率有很大提高。

一种基于遗传算子优化组合的TSP问题求解方法

一般遗传算法求解旅行商问题时,存在着搜索速度与求解质量之间的矛盾.针对此问题提出了一种逆序与对偶组合算子,用以增强遗传算法的局部搜索能力.将其与具有良好全局搜索模式的均匀杂交算子优化组合应用,采用自然数和二进制相互转换的编码方式,构造了一种对TSP问题进行求解的遗传算法,保证了算法的全局收敛性.仿真实验结果表明,该求解方法具有良好的搜索效率和求解质量.

基于奇偶树型交互学习机与遗传算法的密文优化系统

为使图像加密系统具备优化功能,并解决当前遗传算法无法实现全局最优、收敛速率慢等问题,提出奇偶树型交互学习机耦合全局离散遗传算法的密文优化系统。定义权值更新机制,耦合混沌映射,构造奇偶树型交互学习机及其互扰模型。将切断型轮盘赌择取机制引入均匀交叉算子中,以图像分块的相邻像素相关系数和密文信息熵为目标,根据权重理论设计加权适应度函数,提出一种全局离散遗传算法,最终形成"初始加密-密文优化"的加密结构。实验结果表明,与超混沌算法、离散遗传算法、元胞自动机相比,该系统的加密质量较好,并且具备全局优化功能,可优化所有迭代结果,使最终输出密文的信息熵最大,相关系数最小。

基于遗传算法的功能覆盖率收敛技术

针对集成电路验证向量生成与功能覆盖率收敛的问题,提出一种基于遗传算法的功能覆盖率收敛技术.通过计算分析遗传算法中遗传算子的概率分布函数,获得由比例选择算子、均匀交叉算子以及二元变异算子组成的遗传算法,得到覆盖率广、重复性低的验证向量,在最短仿真时间内达到预先设定的功能覆盖率.实验采用基于Turbo芯片的图像处理硬件加速器作为验证模型,将遗传算法嵌入到以System Verilog语言为基础的层次化验证平台中.结果表明,与全随机向量验证相比,该算法有效增加了功能覆盖率并使仿真时间缩短了25%左右,实现功能覆盖率的快速收敛,提高了验证效率.

基于改进NSGA-Ⅱ的车间排产优化算法研究

针对NSGA-Ⅱ算法在处理车间排产优化问题中出现的子代种群多样性差、收敛能力差等问题,提出了一种改进NSGA-Ⅱ的车间排产优化算法。改进NSGA-Ⅱ算法主要对传统NSGA-Ⅱ算法的交叉和变异环节,提出新的改进自适应交叉和变异算子,通过对个体拥挤度与种群平均拥挤度进行对比,并结合种群迭代进化过程,将遗传概率与种群个体及种群进化迭代次数关联,避免盲目导向性,提高种群的收敛速度;提出新的均匀进化精英保留策略,通过自适应分层次选取种群个体,解决子代种群多样性差的问题。针对车间排产问题,选择"最大化最小交货提前期"和"最小化最大理想加工时间偏差"作为目标函数,运用改进NSGA-Ⅱ算法进行实际工程的仿真分析,对比改进前后算法优化的结果,验证了算法的有效性,同时证明了其应用于实际生产排产调度问题的价值参考性。

基于改进的遗传算法航班进港排序模型研究

根据不同飞机间尾流间隔建立了以航班总延误时间为目标函数的排序模型,提出了基于精英策略下"截断+锦标赛"的复合选择算子、均匀交叉算子等策略的遗传算法,并按自适应的交叉、变异概率计算和十进制直观编码方式对其进行了改进。基于这种改进的遗传算法,仿真模拟得到进港航班总延误时间为157 1 s,比先到先服务方法(FCFS算法)和传统的遗传算法得到的总延误时间分别减少了465 s和187 s。说明该改进方法能明显提高求解性能,减少航班延误时间。

基于一致分布佳点集改进的交叉人工蜂群算法

目的针对人工蜂群算法在求解问题的最优值时,后期收敛速度慢、易于陷入局部极值的问题,利用数论中的佳点集和一致分布原理,结合其他仿生智能优化算法的机制对人工蜂群算法进行了深入的改进,提出了一种基于一致分布佳点集改进的交叉人工蜂群算法(CGABC)。方法首先,利用数论的一致分布佳点集原理建立算法的初始化模型,以保证种群在搜索空间的均匀分布;然后,通过交叉方式进行迭代更新位置,以维持种群的多样性,防止算法陷入局部最优;最后,通过实验选取了4个工程问题和7个标准测试函数进行实验仿真。结论结果表明,与ABC算法、GABC算法等其他算法相比,CGABC的收敛速度及精度均有明显提高,增强全局寻优能力,有效地避免种群个体陷入局部最优,解决了多模态的优化问题。

基于交叉算子和非均匀变异算子的飞蛾扑火优化算法

针对飞蛾扑火优化算法收敛速度慢以及计算后期易收敛到局部最优解的问题,提出了一种基于遗传算法交叉算子和非均匀变异算子的改进方法。该方法在飞蛾围绕火焰飞行的计算过程中,采用交叉算子和变异算子对火焰位置进行扰动以生成新的火焰,当新火焰的适应度值优于原火焰时则替换原火焰,以提高算法的随机性,防止算法过快陷入局部最优解。测试结果表明,改进后的算法在8个常用最优化算法基准测试函数的求解问题中全局收敛能力和收敛速度均优于原算法。